CN113925482A - 心率计算方法、可穿戴电子设备和存储介质 - Google Patents
心率计算方法、可穿戴电子设备和存储介质 Download PDFInfo
- Publication number
- CN113925482A CN113925482A CN202111247806.7A CN202111247806A CN113925482A CN 113925482 A CN113925482 A CN 113925482A CN 202111247806 A CN202111247806 A CN 202111247806A CN 113925482 A CN113925482 A CN 113925482A
- Authority
- CN
- China
- Prior art keywords
- pulse wave
- signal
- wave signal
- heart rate
- calculation method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 43
- 230000003287 optical effect Effects 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 20
- 230000009467 reduction Effects 0.000 claims abstract description 18
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 16
- 230000003595 spectral effect Effects 0.000 claims abstract description 14
- 230000001133 acceleration Effects 0.000 claims description 33
- 238000000034 method Methods 0.000 claims description 29
- 238000001228 spectrum Methods 0.000 claims description 24
- 238000004140 cleaning Methods 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 230000004807 localization Effects 0.000 claims 1
- 239000000126 substance Substances 0.000 claims 1
- 230000033001 locomotion Effects 0.000 description 38
- 238000013186 photoplethysmography Methods 0.000 description 25
- 230000008859 change Effects 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 210000001367 artery Anatomy 0.000 description 3
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000009194 climbing Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Signal Processing (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Power Engineering (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明实施例涉及可穿戴电子设备技术领域，公开了一种心率计算方法，应用于可穿戴电子设备，所述可穿戴电子设备内置有光学容积脉搏波传感器；所述心率计算方法包括：利用所述光学容积脉搏波传感器获取人体的第一脉搏波信号；对所述第一脉搏波信号进行降噪处理得到第二脉搏波信号；获取N组正向和反向的白噪声，利用所述N组正向和反向的白噪声去除所述第二脉搏波信号中的残留噪声以得到第三脉搏波信号，其中，所述N为正整数；利用谱峰追踪算法估算所述第三脉搏波信号对应的心率值。本发明中心率计算方法、可穿戴电子设备和存储介质，使得得到的心率值计算结果更加准确。
Description
技术领域
本发明实施例涉及可穿戴电子设备技术领域，特别涉及一种心率计算方法、可穿戴电子设备和存储介质。
背景技术
光电容积脉搏波描记法(Photo plethysmo graphy，PPG)一般功耗较低且易于人们日常佩戴，所以时常作为智能穿戴设备心率估算方法。常规的智能穿戴终端一般是利用PPG传感器采集生理信号并以此计算心率值。
智能穿戴设备上的PPG信号采集需要一个光源和光接收装置，通过照射人体动脉从而接收到光强随脉搏变化的反射光，最终采集到脉搏信号。在采集PPG信号过程中会混有各种噪声数据，特别是混有由于皮肤与可穿戴设备之间间隙变化引起的运动伪影噪声，造成了基于PPG信号的心率值计算的不准确。
发明内容
本发明实施方式的目的在于提供一种心率计算方法、可穿戴电子设备和存储介质，使得得到的心率值计算结果更加准确。
为解决上述技术问题，本发明的实施方式提供了一种心率计算方法，应用于可穿戴电子设备，所述可穿戴电子设备内置有光学容积脉搏波传感器；所述心率计算方法包括：利用所述光学容积脉搏波传感器获取人体的第一脉搏波信号；对所述第一脉搏波信号进行降噪处理得到第二脉搏波信号；获取N组正向和反向的白噪声，利用所述N组正向和反向的白噪声去除所述第二脉搏波信号中的残留噪声以得到第三脉搏波信号，其中，所述N为正整数；利用谱峰追踪算法估算所述第三脉搏波信号对应的心率值。
另外，所述可穿戴电子设备还内置有三轴加速度传感器、角速度传感器、光信号传感器；所述对所述第一脉搏波信号进行降噪处理得到第二脉搏波信号之前，还包括：利用所述三轴加速度传感器获取所述人体的三轴加速度信号，利用所述角速度传感器获取所述人体的角速度信号，并利用所述光信号传感器获取外界环境的光信号；所述对所述第一脉搏波信号进行降噪处理得到第二脉搏波信号，包括：分别利用所述角速度信号和所述外界环境的光信号对所述第二脉搏波信号进行数据清洗；将所述三轴加速度信号作为参考信号对清洗后的脉搏波信号进行自适应滤波得到所述第二脉搏波信号。该方案中对第一脉搏波信号进行降噪处理的主要目的是去除基线漂移、工频干扰和基本运动伪影噪声等。
另外，所述分别利用所述角速度信号和所述外界环境的光信号对所述第二脉搏波信号进行数据清洗，包括：确定所述角速度信号的第一电压阈值范围，去除所述第二脉搏波信号中超出所述第一电压阈值范围的噪声信号；确定所述外界环境的光信号所对应的第二电压阈值范围，去除所述第二脉搏波信号中超出所述第二电压阈值范围的噪声信号。该方案中利用N组正向和反向的白噪声去除第二脉搏波信号中的残留的深度运动伪影噪声以得到第三脉搏波信号。
另外，所述利用所述N组正向和反向的白噪声去除所述第二脉搏波信号中的残留噪声以得到第三脉搏波信号，包括：对所述第二脉搏波信号进行模态分解得到高频信号和低频信号；利用所述N组正向和反向的白噪声去除所述低频信号中的残留噪声以得到所述第三脉搏波信号。该方案中首先将第二脉搏波信号分解为高频信号和低频信号，舍弃高频信号，利用N组正向和反向的白噪声去除低频信号中的残留噪声以得到该第三脉搏波信号，为了提高心率计算的效率。
另外，所述利用所述N组正向和反向的白噪声去除所述低频信号中的残留噪声以得到所述第三脉搏波信号，包括：分别利用所述N组正向和反向的白噪声中的每组正向和反向的白噪声对冲，并在对冲过程中吸纳所述低频信号中的残留噪声，以得到所述第三脉搏波信号。
另外，所述利用谱峰追踪算法估算所述第三脉搏波信号对应的心率值，包括：以时间窗为单位，使用分类定位法对每个时间窗的所述第三脉搏波信号进行心率谱峰追踪，定位每个时间窗的心率谱峰；基于当前时间窗的心率谱峰位置计算心率值。该方案中利用谱峰追踪算法估算第三脉搏波信号对应的心率值使，引入分类定位法对人体的运动状态进行分类，从而使得计算得到的心率值更加贴合人体的真实值。
另外，所述分类定位法具体为：在训练阶段，将不同时间窗的所述第三脉搏波信号作为分类器的训练样本，提取所述第三脉搏波信号的特征信息构建分类器，并指定不同分类结果的心率谱峰位置；在实时分类处理阶段，提取当前时间窗的所述第三脉搏波信号的特征信息并输入分类器进行分类判决，基于当前类别对应的心率谱峰位置确定当前时间窗的心率谱峰位置。
本发明的实施方式还提供了一种心率计算方法，包括：光学容积脉搏波传感器和加速度传感器；与所述光学容积脉搏波传感器和所述加速度传感器均连接的至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的心率计算方法。
本发明的实施方式还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述心率计算方法。
本发明的实施方式还提供了一种可穿戴电子设备，包括用于执行上述心率计算方法的模块。
本发明实施方式提供了一种心率计算方法，利用光学容积脉搏波传感器获取人体的第一脉搏波信号；先对第一脉搏波信号进行降噪处理得到第二脉搏波信号，之后，利用N组正向和反向的白噪声去除第二脉搏波信号中的残留噪声以得到第三脉搏波信号，其中，N为正整数，最后，利用谱峰追踪算法估算第三脉搏波信号对应的心率值。目前在采集PPG信号过程中会混有各种噪声数据，特别是混有由于皮肤与可穿戴设备之间间隙变化引起的运动伪影噪声，造成了基于PPG信号的心率值计算的不准确。本方案中采用N组正向和反向的白噪声能够深度去除第一脉搏波信号中的运动伪影噪声等干扰信号进而得到第三脉搏波信号，如此，得到的心率计算结果更加的准确。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
图1是根据本发明第一实施方式的心率计算方法的流程示意图；
图2是根据本发明第一实施方式的构建滤波模型的示意图；
图3是根据本发明二实施方式的可穿戴电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。
光电容积脉搏波描记法(Photo plethysmo graphy，PPG)功耗较低，因此时常作为智能可穿戴电子设备的心率计算方法。常规的智能可穿戴电子设备一般内置有光电容积脉搏波传感器(又称PPG传感器)，利用脉搏波传感器采集人体脉搏波信号(又称PPG信号)并以此计算心率值。而人体脉搏波信号的采集需要一个光源和光接收装置，通过照射人体动脉从而接收到光强随脉搏变化的反射光，最终采集到脉搏信号。在采集脉搏波信号的过程中会混有各种噪声数据，特别是混有由于皮肤与智能可穿戴电子设备之间间隙变化引起的运动伪影噪声，造成了基于脉搏波信号的心率值计算不准确。且而运动伪影在频率上的特征与真实心率十分接近，不能通过简单的滤波来去除，所以目前亟需一种能够去除深度去除第一脉搏波信号中的运动伪影的心率计算方法。
本发明的第一实施方式涉及一种心率计算方法，核心在于应用于可穿戴电子设备，所述可穿戴电子设备内置有光学容积脉搏波传感器；所述心率计算方法包括：利用所述光学容积脉搏波传感器获取人体的第一脉搏波信号；对所述第一脉搏波信号进行降噪处理得到第二脉搏波信号；获取N组正向和反向的白噪声，利用所述N组正向和反向的白噪声去除所述第二脉搏波信号中的残留噪声以得到第三脉搏波信号，其中，所述N为正整数；利用谱峰追踪算法估算所述第三脉搏波信号对应的心率值。
目前在采集PPG信号过程中会混有各种噪声数据，特别是混有由于皮肤与可穿戴设备之间间隙变化引起的运动伪影噪声，造成了基于PPG信号的心率值计算的不准确。本方案中采用N组正向和反向的白噪声能够深度去除第一脉搏波信号中的运动伪影噪声等干扰信号进而得到第三脉搏波信号，如此，得到的心率计算结果更加的准确。
下面对本实施方式的心率计算方法的实现细节进行具体的说明，以下内容仅为方便理解提供的实现细节，并非实施本方案的必须。
本实施方式中的心率计算方法的流程示意图如图1所示：
步骤101：利用光学容积脉搏波传感器获取人体的第一脉搏波信号。
本实施例中的心率计算方法应用于内置有光学容积脉搏波传感器(又称PPG传感器)的可穿戴电子设备，PPG传感器的检测原理为：利用心脏泵血导致动脉发生血液容积变化，通过特定波长的光去检测这种变化，将这种变化以反射光的方式记录下来。而利用PPG传感器采集脉搏波信号时，运动会导致可穿戴电子设备与皮肤间隙产生阴影，这些阴影的信息也同时被记录到脉搏波信号中形成运动伪影。因此，利用PPG传感器获取的第一脉搏波信号中存在运动伪影噪声，运动伪影噪声对于第一脉搏波信号中真是心率所代表的信号的提取造成了极大的干扰。尤其当生活中进行剧烈运动时会导致运动伪影十分强烈，特别是不同运动状态会导致不同的运动伪影，此时常规的自适应滤波方法难以完全的去除第一脉搏波信号中的运动伪影。
步骤102：对第一脉搏波信号进行降噪处理得到第二脉搏波信号。
本实施例中首先对第一脉搏波信号进行降噪处理去除基本的运动伪影得到第二脉搏波信号。
具体的，可穿戴电子设备还内置有三轴加速度传感器、角速度传感器和光信号传感器。对第一脉搏波信号进行降噪处理得到第二脉搏波信号之前，还包括：利用三轴加速度传感器获取人体的三轴加速度信号，利用角速度传感器获取人体的角速度信号，并利用光信号传感器获取外界环境的光信号；对第一脉搏波信号进行降噪处理得到第二脉搏波信号，包括：分别利用角速度信号和外界环境的光信号对第一脉搏波信号进行数据清洗；将三轴加速度信号作为参考信号对清洗后的脉搏波信号进行自适应滤波得到第二脉搏波信号。
本实施例中在对第一脉搏波信号进行降噪处理的手段包括但不限于以下几种方式：
(1)利用角速度信号对第一脉搏波信号进行数据清洗。其中，角速度信号由角速度传感器(例如陀螺仪)采集得到，用于表征人体的运动角速度；利用角速度信号对第一脉搏波信号进行数据清洗以去除人体运动角速度所带来的噪声干扰信号。具体的可确定角速度信号的第一电压阈值范围，去除第二脉搏波信号中超出第一电压阈值范围的噪声信号。
(2)利用外界环境的光信号对第一脉搏波信号进行数据清洗。其中，外界环境的光信号由光信号传感器采集得到，用于表征当前外界环境的光强度等信息。利用外界环境的光信号对第一脉搏波信号进行数据清洗以去除环境光信号所带来的噪声干扰信号。具体的可确定外界环境的光信号所对应的第二电压阈值范围，去除第二脉搏波信号中超出第二电压阈值范围的噪声信号。
上述利用角速度信号以及利用外界环境的光信号对第一脉搏波信号进行数据清洗，可同时使用，也可单独使用角速度信号或外界环境的光信号对第一脉搏波信号进行数据清洗。
(3)将三轴加速度信号作为参考信号对清洗后的脉搏波信号进行自适应滤波得到第二脉搏波信号。三轴加速度信号由三轴加速度传感器采集得到包括x，y，z三个方向的加速度信号，三个方向的加速度信号与运动伪影之间的关系密切。因此，利用三轴加速度信号对清洗后的脉搏波信号进行滤波能够去除脉搏波信号中的部分与加速度有关的运动伪影。具体的，将三轴加速度信号作为最小二乘自适应滤波器的参考信号，然后把清洗后的脉搏波信号和三轴加速度信号同时输入到自适应滤波器中，利用三轴加速度信号构建模型进行滤波。
如图2所示，可选择同样时间的双通道脉搏波信号(PPG信号1和PPG信号2)和三轴加速度信号(x轴加速度信号、y轴加速度信号和z轴加速度信号)，可将PPG信号1和PPG信号2以及三轴加速度信号同时输入到自适应滤波器中并构建滤波模型进行滤波。
值得说明的是，上述步骤102中对第一脉搏波信号进行降噪处理的主要目的是去除基线漂移、工频干扰和基本运动伪影噪声等。
步骤103：获取N组正向和反向的白噪声，利用N组正向和反向的白噪声去除第二脉搏波信号中的残留噪声以得到第三脉搏波信号。
在对第一脉搏波信号进行初步降噪处理后得到第二脉搏波信号，该第二脉搏波信号中存在的噪声主要是深度运动伪影噪声。针对深度运动伪影噪声，本实施例中获取N组正向和反向的白噪声，N为正整数，利用N组正向和反向的白噪声去除第二脉搏波信号中的残留的深度运动伪影噪声以得到第三脉搏波信号。
具体的，利用N组正向和反向的白噪声去除第二脉搏波信号中的残留噪声以得到第三脉搏波信号，包括：对第二脉搏波信号进行模态分解得到高频信号和低频信号；利用N组正向和反向的白噪声去除低频信号中的残留噪声以得到第三脉搏波信号。
由于正常的心率信号一般在0.05Hz-100Hz之间，属于低频信号。因此，为了提高心率计算的效率，本实施例中首先将第二脉搏波信号分解为高频信号和低频信号，第二脉搏波信号中频率高于预设值的信号为高频信号，频率高于预设值的信号为低频信号。该预设值可以根据正常的心率信号的上限值来取值，例如：110Hz。分解出高频信号和低频信号后，舍弃高频信号，利用N组正向和反向的白噪声去除低频信号中的残留噪声以得到该第三脉搏波信号。本实施例中分别利用N组正向和反向的白噪声中的每组正向和反向的白噪声对冲，并在对冲过程中吸纳低频信号中的残留噪声，以得到第三脉搏波信号。本实施例中通过正、负噪声的对冲过程，不断吸纳低频信号中的残留噪声，最终逐渐减小低频信号中的残留的噪声，从而达到深度去除第二脉搏波信号中的深度运动伪影噪声。值得说明的识别，N可以取2/3或5等，可根据实际需要选取。
步骤104：利用谱峰追踪算法估算第三脉搏波信号对应的心率值。
本实施例中在得到第三脉搏波信号后，需利用谱峰追踪算法从较为第三脉搏波信号中找出真实心跳的频率。主要通过深度学习中的卷积神经网络算法对单位时间内的PPG信号计算频谱值，不断搜索各周期内频谱峰值点；再基于分类器对频谱上的谱峰进行分类，从而针对不同运动类型进行处理，最终找到真实心率代表的峰值。
具体地，利用谱峰追踪算法估算第三脉搏波信号对应的心率值，包括：以时间窗为单位，使用分类定位法对每个时间窗的第三脉搏波信号进行心率谱峰追踪，定位每个时间窗的心率谱峰；基于当前时间窗的心率谱峰位置计算心率值。
分类定位法具体为：在训练阶段，将不同时间窗的第三脉搏波信号作为分类器的训练样本，提取第三脉搏波信号的特征信息构建分类器，并指定不同分类结果的心率谱峰位置；在实时分类处理阶段，提取当前时间窗的第三脉搏波信号的特征信息并输入分类器进行分类判决，基于当前类别对应的心率谱峰位置确定当前时间窗的心率谱峰位置。
本实施例中获取第三脉搏波信号进行变换得到第三脉搏波信号频谱，然后针对于每一个时间窗口，从信号频谱中提取特征值并且利用真实值为谱峰的分类，然后利用设定好的训练集训练学习器，最后放到测试数据集上进行测试并且分类。
由于不同运动状态所产生的运动伪影不相同，所以在不同运动状态下，实时心率的监测就会异常困难。而申请中在利用谱峰追踪算法估算第三脉搏波信号对应的心率值使，引入分类定位法对人体的运动状态进行分类(例如：跑步、静坐、登山等)，从而使得计算得到的心率值更加贴合人体的真实值。
与相关技术相比，本发明实施例提出一种心率计算方法，先对第一脉搏波信号进行降噪处理的主要目的是去除基线漂移、工频干扰和基本运动伪影噪声等；之后，利用N组正向和反向的白噪声去除第二脉搏波信号中的残留的深度运动伪影噪声以得到第三脉搏波信号，得到的第三脉搏波信号能够有效反映真实心率值。通在利用谱峰追踪算法估算第三脉搏波信号对应的心率值使，引入分类定位法对人体的运动状态进行分类(例如：跑步、静坐、登山等)，从而使得计算得到的心率值更加贴合人体的真实值。
上面各种方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包括相同的逻辑关系，都在本专利的保护范围内；对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在该专利的保护范围内。
本发明第二实施方式涉及一种可穿戴电子设备，如图3所示，包括光学容积脉搏波传感3器和加速度传感器4；与光学容积脉搏波传感器3和加速度传感器4连接的至少一个处理器1；以及，与至少一个处理器1通信连接的存储器；其中，存储器存储有可被至少一个处理器1执行的指令，指令被至少一个处理器1执行，以使至少一个处理器1能够执行上述的心率计算方法。
其中，存储器和处理器1采用总线方式连接，总线可以包括任意数量的互联的总线和桥，总线将一个或多个处理器1和存储器的各种电路连接在一起。总线还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路连接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件，也可以是多个元件，比如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。经处理器1处理的数据通过天线在无线介质上进行传输，进一步，天线还接收数据并将数据传送给处理器1。
处理器1负责管理总线和通常的处理，还可以提供各种功能，包括定时、***接口、电压调节、电源管理以及其他控制功能。而存储器可以被用于存储处理器1在执行操作时所使用的数据。
本发明的第三实施方式还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述心率计算方法。
即，本领域技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明的第四实施方式还提供了一种可穿戴电子设备，包括用于执行第一实施方式中心率计算方法的模块。
本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。
Claims (10)
1.一种心率计算方法，其特征在于，应用于可穿戴电子设备，所述可穿戴电子设备内置有光学容积脉搏波传感器；所述心率计算方法包括：
利用所述光学容积脉搏波传感器获取人体的第一脉搏波信号；
对所述第一脉搏波信号进行降噪处理得到第二脉搏波信号；
获取N组正向和反向的白噪声，利用所述N组正向和反向的白噪声去除所述第二脉搏波信号中的残留噪声以得到第三脉搏波信号，其中，所述N为正整数；
利用谱峰追踪算法估算所述第三脉搏波信号对应的心率值。
2.根据权利要求1所述的心率计算方法，其特征在于，所述可穿戴电子设备还内置有三轴加速度传感器、角速度传感器、光信号传感器；
所述对所述第一脉搏波信号进行降噪处理得到第二脉搏波信号之前，还包括：
利用所述三轴加速度传感器获取所述人体的三轴加速度信号，利用所述角速度传感器获取所述人体的角速度信号，并利用所述光信号传感器获取外界环境的光信号；
所述对所述第一脉搏波信号进行降噪处理得到第二脉搏波信号，包括：
分别利用所述角速度信号和所述外界环境的光信号对所述第二脉搏波信号进行数据清洗；
将所述三轴加速度信号作为参考信号对清洗后的脉搏波信号进行自适应滤波得到所述第二脉搏波信号。
3.根据权利要求2所述的心率计算方法，其特征在于，所述分别利用所述角速度信号和所述外界环境的光信号对所述第二脉搏波信号进行数据清洗，包括：
确定所述角速度信号的第一电压阈值范围，去除所述第二脉搏波信号中超出所述第一电压阈值范围的噪声信号；
确定所述外界环境的光信号所对应的第二电压阈值范围，去除所述第二脉搏波信号中超出所述第二电压阈值范围的噪声信号。
4.根据权利要求1或2所述的心率计算方法，其特征在于，所述利用所述N组正向和反向的白噪声去除所述第二脉搏波信号中的残留噪声以得到第三脉搏波信号，包括：
对所述第二脉搏波信号进行模态分解得到高频信号和低频信号；
利用所述N组正向和反向的白噪声去除所述低频信号中的残留噪声以得到所述第三脉搏波信号。
5.根据权利要求4所述的心率计算方法，其特征在于，所述利用所述N组正向和反向的白噪声去除所述低频信号中的残留噪声以得到所述第三脉搏波信号，包括：
分别利用所述N组正向和反向的白噪声中的每组正向和反向的白噪声对冲，并在对冲过程中吸纳所述低频信号中的残留噪声，以得到所述第三脉搏波信号。
6.根据权利要求1所述的心率计算方法，其特征在于，所述利用谱峰追踪算法估算所述第三脉搏波信号对应的心率值，包括：
以时间窗为单位，使用分类定位法对每个时间窗的所述第三脉搏波信号进行心率谱峰追踪，定位每个时间窗的心率谱峰；
基于当前时间窗的心率谱峰位置计算心率值。
7.根据权利要求6所述的心率计算方法，其特征在于，所述分类定位法具体为：
在训练阶段，将不同时间窗的所述第三脉搏波信号作为分类器的训练样本，提取所述第三脉搏波信号的特征信息构建分类器，并指定不同分类结果的心率谱峰位置；
在实时分类处理阶段，提取当前时间窗的所述第三脉搏波信号的特征信息并输入分类器进行分类判决，基于当前类别对应的心率谱峰位置确定当前时间窗的心率谱峰位置。
8.一种可穿戴电子设备，其特征在于，包括：光学容积脉搏波传感器和加速度传感器；
与所述光学容积脉搏波传感器和所述加速度传感器均连接的至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任一所述的心率计算方法。
9.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一所述的心率计算方法。
10.一种可穿戴电子设备，其特征在于，包括用于执行如权利要求1至7中任一项所述的心率计算方法的模块。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111247806.7A CN113925482B (zh) | 2021-10-26 | 2021-10-26 | 心率计算方法、可穿戴电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111247806.7A CN113925482B (zh) | 2021-10-26 | 2021-10-26 | 心率计算方法、可穿戴电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113925482A true CN113925482A (zh) | 2022-01-14 |
| CN113925482B CN113925482B (zh) | 2024-05-31 |
Family
ID=79284231
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111247806.7A Active CN113925482B (zh) | 2021-10-26 | 2021-10-26 | 心率计算方法、可穿戴电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113925482B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115120217A (zh) * | 2022-08-25 | 2022-09-30 | 首都医科大学附属北京同仁医院 | 一种运动伪影去除方法、装置、存储介质及电子设备 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102512178A (zh) * | 2011-12-23 | 2012-06-27 | 深圳市理邦精密仪器股份有限公司 | 一种血氧测量装置和方法 |
| CN109222949A (zh) * | 2018-10-12 | 2019-01-18 | 杭州士兰微电子股份有限公司 | 心率检测方法和心率检测装置 |
| CN109875543A (zh) * | 2019-02-01 | 2019-06-14 | 电子科技大学 | 用于可穿戴心率监测设备的多种健身运动状态下的心率估计方法及装置 |
| CN110151175A (zh) * | 2019-04-10 | 2019-08-23 | 杭州电子科技大学 | 基于ceemd与改进小波阈值的表面肌电信号消噪方法 |
| CN110927543A (zh) * | 2019-12-18 | 2020-03-27 | 上海电机学院 | 一种电力设备局部放电超声信号时差估计方法 |
| CN110926386A (zh) * | 2019-11-25 | 2020-03-27 | 国网吉林省电力有限公司电力科学研究院 | 基于ceemd-改进小波阈值去噪的变压器绕组超声检测三维成像方法 |
| CN111443334A (zh) * | 2020-03-17 | 2020-07-24 | 中山大学 | 基于ieemd的目标微动参数估计方法、***、装置及存储介质 |
| CN113331810A (zh) * | 2021-07-14 | 2021-09-03 | 西安易朴通讯技术有限公司 | 一种可穿戴设备 |
-
2021
- 2021-10-26 CN CN202111247806.7A patent/CN113925482B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102512178A (zh) * | 2011-12-23 | 2012-06-27 | 深圳市理邦精密仪器股份有限公司 | 一种血氧测量装置和方法 |
| CN109222949A (zh) * | 2018-10-12 | 2019-01-18 | 杭州士兰微电子股份有限公司 | 心率检测方法和心率检测装置 |
| CN109875543A (zh) * | 2019-02-01 | 2019-06-14 | 电子科技大学 | 用于可穿戴心率监测设备的多种健身运动状态下的心率估计方法及装置 |
| CN110151175A (zh) * | 2019-04-10 | 2019-08-23 | 杭州电子科技大学 | 基于ceemd与改进小波阈值的表面肌电信号消噪方法 |
| CN110926386A (zh) * | 2019-11-25 | 2020-03-27 | 国网吉林省电力有限公司电力科学研究院 | 基于ceemd-改进小波阈值去噪的变压器绕组超声检测三维成像方法 |
| CN110927543A (zh) * | 2019-12-18 | 2020-03-27 | 上海电机学院 | 一种电力设备局部放电超声信号时差估计方法 |
| CN111443334A (zh) * | 2020-03-17 | 2020-07-24 | 中山大学 | 基于ieemd的目标微动参数估计方法、***、装置及存储介质 |
| CN113331810A (zh) * | 2021-07-14 | 2021-09-03 | 西安易朴通讯技术有限公司 | 一种可穿戴设备 |
Non-Patent Citations (1)
| Title |
|---|
| 陈暘: ""基于 PPG 的去运动伪影及心率估计方法研究"", 《中国优秀博硕士学位论文全文数据库(硕士)医药卫生科技辑》, no. 01 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115120217A (zh) * | 2022-08-25 | 2022-09-30 | 首都医科大学附属北京同仁医院 | 一种运动伪影去除方法、装置、存储介质及电子设备 |
| CN115120217B (zh) * | 2022-08-25 | 2022-11-25 | 首都医科大学附属北京同仁医院 | 一种运动伪影去除方法、装置、存储介质及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113925482B (zh) | 2024-05-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105919584B (zh) | 用于可穿戴心率监测设备的心率估计方法及装置 | |
| CN109907752B (zh) | 一种去除运动伪影干扰与心电特征检测的心电诊断与监护*** | |
| CN110916636B (zh) | 一种基于动态二阶差分阈值的bcg信号心率计算方法及*** | |
| CN109700450B (zh) | 一种心率检测方法及电子设备 | |
| CN106889984B (zh) | 一种心电信号自动降噪方法 | |
| CN103690160B (zh) | 一种基于非高斯时序模型的脑电特征提取和状态识别方法 | |
| CN103405227A (zh) | 基于双层形态学滤波的心电信号预处理方法 | |
| CN104305992B (zh) | 一种交互式胎儿心电快速自动提取方法 | |
| KR20140139564A (ko) | Ｅｃｇ 모니터링을 위한 시스템들 및 방법들 | |
| CN107361753A (zh) | 基于脉搏波形特征点的人体健康状态监护方法 | |
| CN111528825A (zh) | 一种光电容积脉搏波信号优化方法 | |
| CN111528821A (zh) | 一种脉搏波中重搏波特征点识别方法 | |
| Kawala-Janik et al. | Early-stage pilot study on using fractional-order calculus-based filtering for the purpose of analysis of electroencephalography signals | |
| CN113925482B (zh) | 心率计算方法、可穿戴电子设备和存储介质 | |
| CN110420022B (zh) | 一种基于双密度小波变换的p波检测方法 | |
| CN107280659A (zh) | 一种心电信号的处理方法及*** | |
| CN110327032A (zh) | 一种单导心电信号pqrst波联合精准识别算法 | |
| Guo et al. | An effective photoplethysmography heart rate estimation framework integrating two-level denoising method and heart rate tracking algorithm guided by finite state machine | |
| Pan et al. | Detection of ECG characteristic points using biorthogonal spline wavelet | |
| Wang et al. | Heart rate monitoring from wrist-type PPG based on singular spectrum analysis with motion decision | |
| CN106667474A (zh) | 一种适用于智能穿戴设备的心率测量方法及装置 | |
| CN113693578B (zh) | 一种心率估计方法、装置、设备、***及存储介质 | |
| Tian et al. | Modeling and reconstructing textile sensor noise: Implications for wearable technology | |
| CN113229826A (zh) | 一种qrs波检测方法、装置及电子设备 | |
| CN116304777B (zh) | 基于静止时参考信号的自适应心电信号去噪方法及*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |